嘿，你的思路完全没问题——用滑动窗口重叠技术计算移动RMS来得到随时间变化的SPL，这是处理长时域声压数据、获取动态SPL曲线的标准操作，完全符合声学测量的规范！接下来咱们一步步拆解你的代码，确认细节并完善绘图部分：

一、方法正确性确认 #

• 声压级SPL的核心公式就是 20*log10(p_rms / p_ref)，其中p_ref=2e-5 Pa是空气声压参考值，这部分你写的完全正确。
• 滑动窗口RMS的逻辑：单条全局RMS只能反映整体平均声压级，而滑动窗口能把长数据切成连续的时段（窗口），每个窗口单独计算RMS，这样就能得到每个时段对应的SPL，从而绘制出随时间变化的动态曲线。你用的高重叠率（29900/30000≈99.7%）能让曲线更平滑，避免窗口切换带来的跳变，这是很合理的选择。

二、代码细节修正与优化 #

你的代码里有几个需要调整的点，尤其是时间轴的计算，还有窗口参数的逻辑梳理：

1. 时间轴t_spl的错误：你用rms(OUTPUT(:,1),30000,29900,0)来计算时间轴是不对的，时间戳本身不需要计算RMS。正确的做法是根据窗口的起始/结束位置，生成每个窗口对应的代表时间（通常取窗口中点，更符合时段的平均特性）。
2. 明确滑动窗口的步长逻辑：假设你用的第三方滑动RMS函数参数是rms(signal, window_len, overlap_len, zero_pad)，那窗口步长就是window_len - overlap_len = 100个采样点，对应时间步长是100/48000 ≈ 0.002083s。

修正后的代码示例：

% 采样频率定义
Fs = 48000;
% 窗口长度与重叠长度
win_len = 30000;
overlap_len = 29900;
step_len = win_len - overlap_len; % 窗口移动步长

% 对左右耳信号做C加权滤波
sig_l = filterC(OUTPUT(:,2), Fs);
sig_r = filterC(OUTPUT(:,3), Fs);

% 计算滑动窗口RMS
prms_l = rms(sig_l, win_len, overlap_len, 0);
prms_r = rms(sig_r, win_len, overlap_len, 0);

% 生成正确的时间轴：每个窗口的中点时间
num_windows = length(prms_l);
% 第一个窗口的中点时间为 (win_len/2)/Fs，后续每个窗口增加step_len/Fs的时间
t_spl = (win_len/2 : step_len : win_len/2 + (num_windows-1)*step_len) / Fs;

% 计算SPL
p_ref = 2e-5;
SPL_l = 20*log10(prms_l / p_ref);
SPL_r = 20*log10(prms_r / p_ref);

三、绘制随时间变化的SPL曲线 #

用Matlab的绘图函数就能轻松实现，这里给出清晰的绘图代码：

figure('Position', [100 100 800 500]);
plot(t_spl, SPL_l, 'b', 'LineWidth', 1.2, 'DisplayName', '左耳SPL');
hold on;
plot(t_spl, SPL_r, 'r', 'LineWidth', 1.2, 'DisplayName', '右耳SPL');
xlabel('时间 (s)');
ylabel('声压级 SPL (dB)');
title('随时间变化的声压级');
grid on;
legend('Location', 'best');
% 调整y轴范围，让曲线显示更清晰
ylim([min(min(SPL_l), min(SPL_r))-5 max(max(SPL_l), max(SPL_r))+5]);

四、额外注意事项 #

• 如果你的rms函数是自定义实现的，要确保它正确计算每个窗口内的均方根：rms_val = sqrt(mean(window_signal.^2))，这是RMS的标准定义，别搞错成均值的平方根之外的计算逻辑。
• 要确认C加权滤波是符合标准的（比如IEC 61672-1），如果filterC是自己写的函数，要保证滤波特性正确，否则会影响最终SPL的准确性。
• 1e6个采样点的量级，高重叠率可能会增加计算量，但Matlab处理起来通常没问题；如果觉得计算速度慢，可以适当降低重叠率（比如50%重叠），曲线平滑度也能满足大部分需求。

内容的提问来源于stack exchange，提问作者ifigenia asl